Вибіркові 2025 ШІ 3 курс
У статті зібрано відгуки про вибіркові дисципліни катедри ШІ на 3 курс. Зазначимо, що ця інформація базується на суб'єктивних думках студентів, які вже вивчали ці предмети, і наведена лише з ознайомлювальною метою.
Хочемо звернути увагу на:
«Відповідь викладача» — викладач або викладачка вперше викладатиме дану дисципліну, тому ми звернулися до нього / неї з проханням розповісти про плани.
Стаття містить статистику 2023-2024 років — відповідей цьогорічного опитування було недостатньо, додана інформація з попередніх статей.
Висловлюємо щиру подяку студентам, які взяли участь у зборі відгуків, та викладачам, що відповіли на наші запитання!
Вибіркові інших катедр та курсів ви можете знайти за цими посиланнями:
5 семестр
Освітній компонент 1
Інтелектуальний аналіз даних (Недашківська Н. І.)
Про що предмет, що вивчалося?
-
«Вступ до машинного навчання, математичний опис і програмна реалізація багатьох моделей для розв'язання задач класифікації, кластеризації та регресії».
-
«Здебільшого база machine learning».
-
«Глобально було три теми: методи оцінки якості алгоритмів машинного навчання, навчання із вчителем, навчання без вчителя. Надавалася теоретична база того, на яких принципах ґрунтується робота алгоритму, та можливість самостійно погратися з тим чи іншим видом у межах лабораторних. Самі лаби писалися на пайтоні з використанням Scikit-learn».
-
«Вивчали основи ML».
Які попередні знання необхідні?
-
«Базові знання Python, теорія ймовірності / математична статистика».
-
«Базові знання п айтону, викладач надає усі матеріали і т.д., тому більше нічого не вимагається».
-
«Базові знання з математичної статистики допоможуть, але предмет абсолютно нормально сприймається і без них».
-
«Загалом можна йти без якихось спеціальних знань, цілком реально розібратися під час навчання».
Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.
-
«Якщо в планах є працювати за спеціальністю, у сфері аналітики, то це те, що треба. Здивована, що це вибірковий предмет, а не основний».
-
«Якщо плануєте працювати у сфері машинного навчання, то тут вам нададуть міцну та систематизовану базу, ґрунтуючись на якій ви зможете, за бажання, розвиватися далі самостійно».
-
«Загалом дуже актуальна дисципліна для тих, хто надалі хоче йти в ML i Data Science. Якихось прям навичок для майбутньої роботи може і не дасть, але точно потрібно для розуміння цієї галузі».
Розкажіть докладніше про РСО.
-
«5 лаб, можна обрати між усним та письмовим захистом, 3 контрольні роботи».
-
«5 лаб: 7 балів за лабу + 7 за захист (можна як усно, так і письмово захищатися) та 3 мкр в сумі на 30 балів».
-
«Було три контрольних і штук п'ять лабок. Лаби не складні, а навіть якщо виникнуть питання, то викладач завжди до них відкритий, та й до того ж Scikit-learn є документація на сайті. На лабораторні надається приблизно 2 тижні. Кр проводились асинхронно, матеріал відповідав пройденому».
-
«Було 5 лабораторних робіт, кожна з яких включала виконання завдання та його захист. Також було 3 кр. Загалом досить зручна система, де ти можеш захищати як усно на парі, так і письмово асинхронно».
Які загальні враження від дисципліни?
-
«Дисципліна дуже сподобалась, матеріал цікавий та корисний. Лабораторні роботи дозволяють побачити алгоритми в дії, дослідити їхні переваги та недоліки».
-
«Дуже позитивні, викладачка йшла назустріч із дедлайнами, лаби досить значні за обсягом і складні, але цікаві».
-
«Вкрай позитивні: цікаво, корисно і не сильно напряжно».
-
«Досить цікава й актуальна дисципліна, приємна та компетентна викладачка. Одна з найкращих дисциплін за 3 курс».
Вільний мікрофон.
- «Якщо хочете розвиватись у сфері ML, то вам сюди. Якщо просто шукаєте цікавий та не дуже напряжний предмет із класним викладачем та чітким РСО, то вам теж підійде. Так, для високих балів доведеться попрацювати, оцінок без знань не буде, але темп цілком комфортний і без надзусиль».
Теорія інформації і кодування (Коваленко А.Є.)
Про що предмет, що вивчалося?
- «Ви дізнаєтесь про ентропію інформації (не має нічого спільного з ентропією у фізиці, просто красиве слово) та теоретичний максимум стиснення даних. Також будуть розібрані та відпрацьовані на практиці (ручкою на папері) алгоритми стиснення даних (такі, як код Хаффмана)».
Які попередні знання необхідні?
- «Жодних попередніх знань не потрібно».
Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.
- «Знання актуальні, але марні, скоріше для власного розвитку, а не як повноцінна прикладна дисципліна».
Які загальні враження від дисципліни?
-
«Лайтова дисципліна, легко забрати бали (це ж Коваленко, камон). Знання не те щоб важливі, але достатньо цікаві».
-
«Достатньо цікаво, але актуальність даного матеріалу не є доцільною, якщо необхідно використовувати знання для пошуку роботи».
Мультипарадигменні мови програмування (Канцедал Г.О.)
Про що предмет, що вивчалося?
- «Фактично занять не було. Весь матеріал потрібно вивчати самостійно».
Які попередні знання необхідні?
- «Базові навички програмування мовою Python».
Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.
- «Якщо виконувати лабораторні, то можна непогано поглибити знання з програмування».
Розкажіть докладніше про РСО.
- «Можна було або здати сертифікати, або зробити 7 лабок. Найпростіше — здати сертифікати. Лабораторні після третьої досить складні».
Які загальні враження від дисципліни?
- «Цікавий досвід, але краще обрати щось інше».
Вільний мікрофон.
- «Лабораторні роботи перевіряє бот, який не завжди зараховує навіть правильно виконані завдання. Пояснень щодо помилок він майже не надає, а викладач, швидше за все, порадить розбиратися самостійно. Часті збої бота ускладнювали здачу, а після дедлайну надіслати роботу вже неможливо».
Освітній компонент 2
Методологія Data Science (Пишнограєв І. О.)
(Відповідь викладача.)
Що радите додатково вивчити чи особливо передивитись перед відвідуванням вашої дисципліни?
- «Для курсу як правило потрібні знання теорії ймовірностей та математичної статистики, лінійної алгебри, чисельних методів, основ програмування. Якщо будуть знання зі сфери Data Mining - дуже добре. Якщо ні, то будемо розбиратись».
Кому радите обрати цей предмет?
- «Предмет може бути корисний тим, хто хоче пов'язати свою професію з Data Science та аналітикою. Я зробив такий оглядовий курс про всі етапи виконання проєктів з Data Science із застосуванням мови R».
Які види роботи планується проводити?
- «Лекційні заняття - матеріал у вигляді презентацій + розбір прикладів із застосуванням R (лекції записуються). Лабораторні роботи - із застосуванням R (або іншої мови, що обере студент) виконання робіт з обробки та аналізу даних (починаючи від звичайної описової статистики і в кінці простенькі нейронні мережі як регресійні моделі). І в кінці невеличкий "комплексний" проєкт, що буде охоплювати етапи від збору даних до інтерпретації результатів».
Які основні знання та навички можна набути після проходження курсу?
- «Виконання основних етапів проєктів з обробки даних, аналітики даних, побудови прогностичних моделей. Використання мови R для аналізу даних. Якщо буде цікаво, то створення інтерактивних дашбордів за допомогою Shiny».
Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.
« а) наукова робота пов'язана з аналізом даних: http://wdc.org.ua/sites/default/files/Foresight-Energy-ua-2021.pdf, http://journal.iasa.kpi.ua/search/search?query=&dateFromYear=&dateFromMonth=&dateFromDay=&dateToYear=&dateToMonth=&dateToDay=&authors=Pyshnograiev
б) фактично схожий курс ставив в компанії Infopulse;
в) консультант з Data Science для бізнесу, наприклад, розв'язував задачі з розрахунку впливу різних рекламних стратегій на продажі товарів та пошуку оптимальних опцій».
Мови та технології штучного інтелекту (Тимощук О. Л.)
Про що предмет, що вивчалося?
-
«Розглядалася здебільшого мова Prolog і трохи функціональних мов наприкінці».
-
«Вивчалася мова prolog».
-
«Пролог в основному, але були лекції та 2 лаби про інші мови програмування».
Які попередні знання необхідні?
-
«Непогано було б пам'ятати метод резолюцій із матлогіки».
-
«Ніяких».
-
«Хоч якесь базове розуміння програмування та логіки, це все. Одна лаба потребувала якихось знань Пайтона, але в основному гпт допомагає».
Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.
-
«Актуальність доволі сумнівна, оскільки за межами інститутів логічна парадигма не сильно прижилася».
-
«Не думаю, що це актуальні знання, які багато де застосовуються. Можливо, цю мову все ще використовують, але не надто широко».
-
«Насправді досить цікаво було інколи послухати. Чесно, не знаю, де це знадобиться. Типу звичайне програмування логічними мовами, хз. Актуально на 3/5, мабуть».
Розкажіть докладніше про РСО.
-
«Три лабки, дві на Prolog, одна на трьох мовах: Prolog, C++ / Python / Java, Lisp / F# / Elixir. Кілька невеликих контрольних на теоретичний матеріал у форматі питання — розгорнута відповідь та два виступи. Перший — доповідь на тему перспективних напрямків розвитку ШІ, другий — розв'язок логічної задачі на Prolog + мова на вибір».
-
«Бали нараховувалися за три лабораторні роботи та їх захист (що відбувався під час пари — письмове завдання десь на пів години), одного завдання на дебати й одного групового проєкту на розв'язання логічних задач».
-
«Було 3 лаби самостійних (остання поділялась на 3 підтеми) і, здається, 2 роботи в групі. Про сучасні технології (тема була дана на вибір) та написання логічних задач на пролозі + мова на вибір + модульна контрольна, яку викладачка закрила автоматом тим, хто не затягував зі здачею та мав 2 атестації».
Які загальні враження від дисципліни?
-
«У цілому чілово, окрім невеликих кр з теорії та другої лабораторної. КР могли ускладнюватися через недостатнє пояснення деяких питань на парах, тому доводилося шукати інформацію самостійно, що іноді непросто через нерозповсюдженість теми. Лабораторна викликала труднощі через специфіку Prolog – задача, яка на імперативних мовах займає 10 хвилин, тут могла розтягнутися на 4 години. Це пов’язано з тим, що в Prolog немає повного контролю над виконанням коду, тому доводиться постійно враховувати, як логічна машина інтерпретує написане».
-
«Не скажу, що дуже цікава чи актуальна дисципліна. Але приємна викладачка й предмет закривається легко».
-
«Дуже хороша викладачка. Якщо слухати, дисципліна навіть може сподобатися. Загально рекомендую взяти навіть через досить прості лаби та для ознайомлення з Прологом і схожими на нього мовами програмування».